基于KPCA数据重构的参数优化方法

• 作者: 杨帆 马洁
• 来源期刊: 北京信息科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 非线性模型 核主元分析数据重构 支持向量机回归算法 最优参数选择
• 年，卷（期）: 2014,（6）
• 所属期刊栏目: 研究论文
• 页码范围: 46-50
• 页数: 5页
• 分类号: TP277
• 语种: 中文

摘要

传统的多变量统计过程监控技术采用的故障模型是线性的,该模型在具有强非线性特征的工业过程的故障诊断及预测方面的效果不够理想.针对复杂系统,需采用非线性数据模型的故障描述,研究基于核主元分析(Kernel Principal Component Analysis,KPCA),KPCA数据重构的最优参数选择方法十分必要.采用网格搜索法和交叉验证法相结合的方法确定KPCA算法和支持向量机(Support Vector Mahine,SVM),SVM回归算法的最优参数,使重构误差为最小.以TE过程为仿真实例,仿真结果表明:所提出的基于KPCA数据重构的最优参数选择方法是有效的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马洁		48	194	8.0	13.0
2	杨帆		7	3	1.0	1.0